典型文献
应用于地面战场目标的点云检测算法研究
文献摘要：
地面战场上目标检测是精准跟踪以及准确打击的前提,在现代无人化陆战中起着至关重要的作用.传统的图像检测方法受到光照,天气等条件制约,利用激光雷达技术进行3D目标检测能够显著改善车体的感知能力.针对应用于陆战无人车的检测任务,提出了一种基于卷积神经网络的3D点云检测算法,通过优化VoxelNet的体素化和特征融合模块设计了一组端对端的高效网络,并改进了一种基于距离的非极大值抑制策略.实验表明原始VoxelNet在自建数据集上车辆目标AP值为78.53％,而改进后的网络性能达84.11％,对未来军事领域的三维目标检测任务具有参考价值.
文献关键词：
无人驾驶;激光雷达;点云;目标检测;深度学习
中图分类号：
作者姓名：
吴奕霆;吴新建;黄涛
作者机构：
华中光电技术研究所-武汉光电国家研究中心,湖北武汉430223
文献出处：
引用格式：
[1]吴奕霆;吴新建;黄涛-.应用于地面战场目标的点云检测算法研究)[J].光学与光电技术,2022(02):77-83
A类：
VoxelNet
B类：
地面战,战场目标,点云,云检测,检测算法,算法研究,精准跟踪,无人化,陆战,图像检测,激光雷达技术,车体,感知能力,无人车,体素化,特征融合模块,模块设计,端对端,高效网络,基于距离,非极大值抑制,抑制策略,自建数据集,上车,AP,网络性能,军事领域,三维目标检测,无人驾驶
AB值：
0.442397
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
